[發明專利]一種基于深度學習的人體摔倒識別系統及方法

在審

• 申請號: 202011560740.2
• 申請日: 2020-12-25
• 公開（公告）號: CN112668456A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 李偉強;王東;寧政通;李韓玥;陳向榮;楊戩
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/46;G06K9/62;G06N3/04;G08B21/04;H04N7/18
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 李斌

1.一種基于深度學習的人體摔倒識別系統，其特征在于，所述人體摔倒識別系統包括：

采集模塊，用于采集人體實時圖像；

獲取模塊，用于接收所述人體實時圖像并根據所述人體實時圖像獲取第一人體骨骼圖像，以及用于獲取多張人體關鍵節點圖像并根據多張所述人體關鍵節點圖片獲取多張第二人體骨骼圖像；

骨骼狀態分類器，用于在以多張所述第二人體骨骼圖像作為訓練樣本進行深度學習后，對所述第一人體骨骼圖像進行識別并判斷人體狀態；

其中，所述人體狀態包括正常狀態以及摔倒狀態。

2.如權利要求1所述的一種基于深度學習的人體摔倒識別系統，其特征在于，所述人體摔倒識別系統還包括COCO數據集，所述獲取模塊通過COCO數據集獲取多張人體關鍵節點圖像。

3.如權利要求2所述的一種基于深度學習的人體摔倒識別系統，其特征在于，所述人體摔倒識別系統還包括報警模塊，所述報警模塊用于接收所述人體狀態并將所述人體狀態發送至客戶端。

4.如權利要求3所述的一種基于深度學習的人體摔倒識別系統，其特征在于，所述客戶端為移動終端，所述移動終端安裝有小程序，所述小程序用于顯示所述人體狀態。

5.如權利要求4所述的一種基于深度學習的人體摔倒識別系統，其特征在于，所述獲取模塊通過openpose深度學習算法獲取所述第一人體骨骼圖像以及多張所述第二人體骨骼圖像。

6.一種基于深度學習的人體摔倒識別方法，其特征在于，包括如下步驟：

采集人體實時圖像；

根據所述人體實時圖像獲取第一人體骨骼圖像；

獲取多張人體關鍵節點圖像并根據多張所述人體關鍵節點圖片獲取多張第二人體骨骼圖像；

骨骼狀態分類器以多張所述第二人體骨骼圖像作為訓練樣本進行深度學習；

通過深度學習后的骨骼狀態分類器對所述第一人體骨骼圖像進行識別并判斷人體狀態；

其中，所述人體狀態包括正常狀態以及摔倒狀態。

7.如權利要求6所述的一種基于深度學習的人體摔倒識別方法，其特征在于，多張所述人體關鍵節點圖像通過COCO數據集獲取而得。

8.如權利要求7所述的一種基于深度學習的人體摔倒識別方法，其特征在于，所述人體摔倒識別方法還包括如下步驟：將所述人體狀態發送至客戶端并由所述客戶端所安裝的小程序顯示所述人體狀態。

9.一種計算機存儲介質，其特征在于，所述計算機存儲介質存儲有計算機程序，當所述計算機程序被處理器執行時實現如上述權利要求6至8任何一項所述的基于深度學習的人體摔倒識別方法。